Soul AI Lab是社交平台Soul App旗下的AI研究團隊，專注於“AI與社交”的結合方向，在語音對話合成、全雙工語音通話、擬人化表達、視覺互動、數字人生成等領域進行研究。團隊已開源了SoulX-Podcast、SoulX-FlashTalk和SoulX-Singer等模型。
2025年10月，Soul AI Lab聯合西北工業大學ASLP@NPU團隊與上海交通大學X-LANCE Lab共同研發並開源了專為多人多輪對話場景打造的語音合成模型SoulX-Podcast，該模型在發布一天后登上了Hugging Face平台的TTS模型趨勢榜。2月，團隊宣布開源了實時數字人生成模型SoulX-FlashTalk，該模型能夠實現0.87秒延遲、32fps幀率的視頻生成。2026年3月4日，Soul張璐帶領團隊聯合吉利汽車研究院人工智慧中心、天津大學視聽覺認知計算團隊和西北工業大學音頻語音與語言處理研究組開源了歌聲合成模型SoulX-Singer。團隊開源了輕量化實時數字人生成模型SoulX-FlashHead，該模型在消費級顯示卡上實現高幀率運行。
基本介紹
- 外文名：Soul AI Lab
- 主管單位：Soul App
- 屬性：AI研究團隊
主營業務,經營狀況,社會榮譽,
主營業務
Soul AI Lab的研究方向集中於人工智慧與社交的結合，涉及語音對話合成、全雙工語音通話、擬人化表達、視覺互動等技術的研發。該團隊開源了多個模型，包括適用於多人多輪對話場景的語音合成模型SoulX-Podcast。2026年3月4日，團隊進一步開源了零樣本歌聲合成模型SoulX-Singer。該模型採用基於Flow Matching的生成建模範式，支持基於Music Score（MIDI）和Melody的控制方式，並引入了note級別的對齊機制。SoulX-Singer的訓練數據超過42000小時，覆蓋多種語言、音色及演唱風格，在GMO-SVS和SoulX-Singer-Eval數據集上的評測中，在語義清晰度、歌手相似度等維度取得較好結果。該模型由Soul AI Lab聯合吉利汽車研究院人工智慧中心、天津大學視聽覺認知計算團隊和西北工業大學音頻語音與語言處理研究組共同推出，其套用場景包括虛擬歌手、歌詞演繹、虛擬演出、智慧型座艙及UGC內容創作等。SoulX-Podcast模型支持中文、英文及四川話、粵語、河南話等多種方言，具備零樣本語音克隆和副語言風格可控生成能力，可生成時長超過60分鐘的自然流暢對話。團隊還開源了實時數字人生成模型SoulX-FlashTalk，該模型能夠實現0.87秒延遲、32fps幀率的視頻生成。2026年3月12日，團隊進一步開源了實時數字人生成模型SoulX-FlashHead。這款僅1.3B參數的輕量化模型在單張消費級顯示卡RTX 4090上實現96FPS流暢運行，通過雙向蒸餾訓練機制和時序音頻上下文快取技術提升生成質量與唇形同步精度，並使用專屬數據集VividHead進行訓練。模型提供Lite（極致效率，96FPS）與Pro（側重畫質，16.8FPS）兩個版本，在HDTF、VFHQ等標準化評測中表現優異，適用於直播電商、遊戲嵌入、AI教育等實時場景。該模型延續了SoulX-FlashTalk的技術路線，標誌著團隊在輕量化與消費級適配方面邁出關鍵一步。相關技術被套用於Soul App平台的AI虛擬陪伴、語音互動及對話助手等功能中。團隊通過開源其研究成果，與開發者社區進行協作。
經營狀況
Soul AI Lab於2025年10月開源了播客語音合成模型SoulX-Podcast。2026年03月04日，該團隊聯合吉利汽車研究院人工智慧中心(AIC)、天津大學視聽覺認知計算團隊和西北工業大學音頻語音與語言處理研究組(ASLP@NPU)，正式開源了面向高質量零樣本歌聲合成(SVS)的模型SoulX-Singer。此外，團隊還開源了實時數字人生成模型SoulX-FlashTalk，該模型能夠實現0.87秒延遲、32fps幀率的視頻生成。SoulX-Podcast模型在Hugging Face平台的TTS趨勢榜上排名靠前，並在AI社區中引起討論。該團隊的研究方向包括語音對話合成與全雙工語音通話等互動技術的最佳化，同時參與開源生態建設。
社會榮譽
2025年10月，Soul AI Lab聯合西北工業大學ASLP@NPU團隊與上海交通大學X-LANCE Lab共同研發並開源的語音合成模型SoulX-Podcast，在發布僅一天后即登頂全球最大AI開源社區Hugging Face的TTS模型趨勢榜。Hugging Face CEO Clément Delangue在社交平台轉發了相關討論。該模型在語音可懂度與音色相似度方面表現優異。
